STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
144 KAPITEL 3 SLUMPVARIABLER<br />
BEVIS<br />
2007-10-08 – sida 144 – # 148<br />
Resultaten följer direkt från antagandena om oberoende <strong>och</strong> definitionen<br />
av fördelningsfunktion:<br />
FU (u) = P (min(X, Y ) ≤ u) = 1 − P (min(X, Y ) > u)<br />
= 1 − P (X > u, Y > u) = 1 − (1 − FX(u))(1 − FY (u))<br />
FV (v) = P (max(X, Y ) ≤ v) = P (X ≤ v, Y ≤ v) = FX(v)FY (v).<br />
Beviset för flera likafördelade slumpvariabler är helt analogt.<br />
EXEMPEL 3.47<br />
En motor upphör först att fungera helt när dess samtliga 4 tändstift gått<br />
sönder. Antag vidare att cylindrarnas livslängd är oberoende <strong>och</strong> likafördelade<br />
Exp(λ = 1/7) vilket alltså betyder att cylindrarna i genomsnitt håller<br />
i sju år. Om vi beräknar tiden T tills motorn upphör att fungera helt blir<br />
detta således T = max(X1, X2, X3, X4), där Xi är de enskilda livslängderna.<br />
Fördelningsfunktionen för de enskilda tändstiften blir då FX(x) =<br />
1 − e−x/7 . Vi får således FT (t) = F 4<br />
X (t) = (1 − e−t/7 ) 4 . Om vi i stället är<br />
intresserad av tiden S då motorns funktion blir nedsatt pga att något tändstift<br />
inte fungerar så kan S skrivas som S = min(X1, X2, X3, X4). Fördelningsfunktion<br />
blir FS(s) = 1 − (1 − FX(s)) 4 = 1 − (e−s/7 ) 4 = 1 − e−(4/7)s vilket alltså betyder att det minsta av ett antal oberoende <strong>och</strong> likafördelade<br />
exponentialfördelade slumpvariabler också är exponentialfördelad, fast<br />
<strong>med</strong> en parameter som är den ursprungliga multiplicerat antalet slumpvariabler.<br />
3.11.3 Väntevärden <strong>och</strong> högre moment<br />
Om vi t.ex. vill beräkna väntevärde <strong>och</strong> varians för den transformerade variabeln<br />
Y = g(X) kan detta göras genom att först beräkna sannolikhetsfunktionen/täthetsfunktionen<br />
för Y <strong>och</strong> därefter beräkna väntevärdet enligt definition:<br />
E(Y ) = kpY (k) eller motsvarande integral. Ett betydligt snabbare<br />
sätt är emellertid att använda Sats 3.4 på sidan 59. Där visades det att E(Y )<br />
även kan beräknas genom följande ekvation<br />
E(Y ) = E(g(X)) = <br />
g(k)pX(k),<br />
k